Gluformer：基于 Transformer 的个性化葡萄糖预测与不确定性量化
机器学习
2023-03-08 v2
摘要
深度学习模型在预测血糖轨迹方面取得了最先进的成果，各种架构被相继提出。然而，此类模型在临床实践中的采用缓慢，主要由于缺乏对所提供预测的不确定性量化。在这项工作中，我们提出将基于过去的未来葡萄糖轨迹建模为基分布（即高斯、拉普拉斯等）的无限混合。这一改变使我们能够在轨迹具有异质或多模态分布的情况下学习不确定性并更准确地预测。为估计预测分布的参数，我们利用了 Transformer 架构。我们在合成和基准葡萄糖数据集上从准确性和不确定性两方面实证展示了我们的方法优于现有最先进技术。
引用
@article{arxiv.2209.04526,
title = {Gluformer: Transformer-Based Personalized Glucose Forecasting with Uncertainty Quantification},
author = {Renat Sergazinov and Mohammadreza Armandpour and Irina Gaynanova},
journal= {arXiv preprint arXiv:2209.04526},
year = {2023}
}
备注
5 pages, 2 figures, IEEE ICASSP